mcpField
L
lead-scoring

lead-scoring

github.com/shawnpang营销与增长370188 次安装33 周前更新
代码仓库

关于 lead-scoring

lead-scoring 是面向创始人的技能,用于评估入站潜在客户并确定后续处理方式。它结合公司、联系人和使用场景匹配度及销售管道检查,生成评分报告和分流建议。

主要功能

  1. 01多维度潜在客户评分
  2. 02检查销售管道重叠
  3. 03制定 MQL 和 SQL 标准
  4. 04生成综合评分与分类
  5. 05输出报告和分流规则

适用场景

  1. 01确定入站潜在客户优先级
  2. 02定义 ICP 和评分模型
  3. 03将线索分配给销售或客户管理
  4. 04审查并调整资格门槛

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/shawnpang/startup-founder-skills --skill lead-scoring

安装后在 Claude Code 中输入/lead-scoring确认已加载。

详细介绍

潜在客户评分

适用场景

当创始人需要根据 ICP 标准评估主动咨询的潜在客户、构建系统化的资格审核工作流、为潜在客户评分并分配去向、制定 MQL/SQL 定义,或设计销售管道阶段时启用。用户提到“我应该重点跟进哪些潜在客户”“如何审核主动咨询的潜在客户”“定义我的 ICP”“设置潜在客户评分”或“如何将潜在客户分配给合适的人”时,也可使用。

所需背景信息

从 startup-context 或用户处获取:

  • ICP 定义 — 理想客户是谁(公司规模、行业、发展阶段、地理位置、用例)
  • 潜在客户来源 — 主动咨询的潜在客户来自哪里(网站、活动、内容、推荐)
  • CRM 和工具 — 当前用于管理潜在客户和交易的技术栈
  • 当前客户 — 现有客户中哪些最优质,原因是什么
  • 销售管道数据 — 现有交易、活跃客户、过往联系人
  • 销售能力 — 谁负责跟进潜在客户,其工作量如何

根据用户提供的信息开展工作。如果用户明确了问题领域,就从那里开始。不要因缺少输入而停滞。

工作流

  1. 加载 ICP 和配置 — 如果有 startup-context,则读取。根据公司属性、联系人属性和用例匹配度,确定资格审核标准。
  2. 解析潜在客户数据 — 接受任意格式的潜在客户数据(CSV、列表、CRM 导出、单个姓名)。找出数据缺口,并标记需要补充的信息。
  3. 检查销售管道重叠情况 — 评分前,检查是否有现有客户(转交增购跟进)、活跃交易(标记并协调销售跟进)和过往联系人(备注联系历史)。销售管道重叠情况是分配标记,而非淘汰条件。
  4. 评估公司匹配度 — 根据公司规模、行业、发展阶段、地理位置和用例契合度进行评估。根据各维度对赢单的预测能力分配权重。
  5. 评估联系人匹配度 — 根据职位、资历、部门和决策权进行评估。公司再匹配,如果联系人不合适,也应转交处理,而不是直接拒绝。
  6. 评估用例契合度 — 将推断出的潜在客户意图与具体产品能力相联系。主动咨询信号(演示申请、访问定价页面)可使临界案例倾向于通过资格审核。
  7. 生成综合评分和判定结果 — 生成 0–100 的综合评分,并给出分配建议。
  8. 导出结构化结果 — 以表格或 CSV 的形式提供结果,包含所有资格审核数据、评分和分配信息。

输出格式

交付以下文档:

  1. 潜在客户评分报告 — 每位潜在客户的综合评分(0–100)、各维度子评分、判定类别和分配建议
  2. ICP 定义 — 包含优先级层级的公司特征和人口统计标准
  3. 评分模型 — 公司、联系人和用例维度的完整分值表及阈值定义
  4. 销售管道分配规则 — 各判定类别的处理方式

框架与最佳实践

判定类别

根据综合评分,将每位潜在客户分配到以下某个处理类别:

判定评分操作
合格 — 高优先级85-100立即由销售跟进。紧迫性高,匹配度强。
合格 — 中优先级75-84在 24 小时内积极跟进。匹配度良好,紧迫性中等。
待定50-74需要人工审核。基本合格,但存在保留因素——标记具体顾虑。
接近但未达标30-49纳入培育序列或寻找转介绍机会。尚未达到销售跟进条件。
不合格0-29不符合 ICP。包括竞争对手员工。礼貌地拒绝。
处理未知数据

对于未知维度,按 30 分计分(该维度满分为 100 分)。这样既能体现数据缺失的影响,也不会自动拒绝潜在客户。缺少公司规模数据的潜在客户,与公司规模不符合要求的潜在客户并不相同。应标记未知信息以便补充,而不是因此扣分。

入站意向加分

主动联系的潜在客户表现出真正的兴趣。对于临界情况(得分为 50-74),入站信号应推动评分结果倾向于符合资格。请求了演示的临界潜在客户,比得分略高于门槛但从未互动的潜在客户更有价值。

销售管道重叠时的分流

评分前,检查是否存在重叠,并据此分流:

  • 现有客户 — 转交客户管理团队,进行追加销售/扩展业务沟通
  • 销售管道中有活跃交易 — 标记给负责的销售代表协调,不要创建重复交易
  • 曾有过联系但没有交易 — 记录联系历史并照常评分,同时向销售代表提供背景信息
  • 竞争对手员工 — 自动判定为不符合资格,并记录以供竞争情报分析
多维度评分

公司评估 — 根据以下方面评分:公司规模、行业领域、公司阶段/融资情况、地理位置和用例匹配度。根据各维度对你们数据中赢单的预测能力来分配权重。

人员评估 — 根据以下方面评分:职位名称、资历级别、部门契合度和决策权。完美契合公司的工程总监,得分高于同一家公司的初级开发人员。

用例契合度 — 将潜在客户明确提出或推断出的需求对应到具体的产品功能。核心用例的高度契合,比宽泛但浅层的契合更重要。

双重门槛 MQL 定义

成为 MQL 必须同时满足契合度和互动度要求。仅满足其中一项并不足够。

  • 最低契合度得分:30 分(必须基本符合 ICP)
  • 最低互动度得分:20 分(必须表现出一定意向)
  • 综合最低得分:60 分

完美契合的公司如果从未互动,就不算 MQL。下载了所有白皮书的学生也不算 MQL。双重门槛可以避免这两种失误。

维护与迭代
  • 每季度重新校准。 提取已赢单数据,检查模型是否正确预测了赢家。
  • 留意评分虚高。 如果 80% 的潜在客户都成为 MQL,说明门槛太低。
  • 追踪 MQL 到 SQL 的接受率。 如果销售团队拒绝了超过 30% 的 MQL,就调整模型。
  • 从简单做起。 自动化之前,先手动为前 50-100 个潜在客户评分。
  • 抢先联系至关重要。 在 5 分钟内联系,达成资格的可能性会提高 21 倍。

相关技能

  • cold-outreach — 使用 ICP 和评分,优先确定首先联系的对象
  • sales-script — 使用销售管道阶段定义,为每个阶段准备合适的话术

示例

示例提示词:“我们每月从网站和活动获取 200 个入站潜在客户,大多数都没有结果。帮我建立一套评分和分流机制。”

良好输出摘录:

潜在客户资格评估报告(示例)
潜在客户公司得分人员得分用例得分综合得分结论
Jane Smith,Acme 工程副总裁(200 名员工,SaaS)88859088符合资格 — 热线索
Bob Lee,TinyCo 开发人员(15 名员工,代理机构)35405040接近达标
MegaCorp 职位未知(1 万名员工,金融)6030(未知)4547接近达标 — 需补充信息

分流: 立即联系 Jane 的销售团队(1 小时内分配客户经理)。将 Bob 加入培育序列。将 MegaCorp 的潜在客户标记为需补充信息 — 分流前需要职位和用例数据。

示例提示词:“现有客户公司的一个潜在客户刚填写了我们的演示申请表。我该怎么办?”

良好输出方法: 标记销售管道重叠 — 检查这是否是新的部门/团队,还是同一位买家。如果属于同一客户账户,则转交现有客户经理协调追加销售。如果属于新部门,则照常评分,但补充客户账户背景信息。绝不要创建重复交易。

评论

支持 Markdown